准确率 召回率 覆盖率 平均流行度
1.基于领域的算法
a.基于用户的协同过滤算法 --- 计算复杂度比较高
步骤:1.找到和目标用户兴趣相似的用户集合-----统计当前用户中的物品类似的
2.找到这个集合汇总用户喜欢,并且目标用户没有听说的物品推荐给目标用户
计算u和v的兴趣相似度jaccard公式(交/并)和预先相似度()
b.基于物品的协同过滤算法 --- 合适线下处理
步骤:1.计算物品之间的相似度. (喜欢物品i的用户中有多少喜欢物品j)----统计物品的相似度是同时有多少人喜欢的
2.根据物品的相似度和用户的历史行为给用户生成推荐列表
Customers who bought this item also bought
2.基于图模型(用户行为数据的二分图表示)
a.基于图的推荐算法
影响因素:1两个顶点之间的路径数 2两个顶点之间路径的长度 3两个顶点之间路径经过的顶点
相关性高的一对顶点:
1两个顶点之间有很多路径相连
2连接两个顶点之间的路径长度都比较短
3连接两个顶点之间的路径不会经过初读比较大的顶点
基于随机游走的PersonalRank算法